آموزش الگوریتم خفاش در متلب (قسمت چهارم)
در ادامه آموزش های موسسه متلب پروژه با مفهوم الگوریتم خفاش در متلب(قسمت چهارم) آشنا خواهید شد این مجتوا به صورت کاملا رایگان در اختیار کاربران قرار خواهد گرفت و از مقدماتی تا پیشرفته ادامه خواهد داشت.
برای جست و جوی محلی به محض اینکه راه حلی از میان پاسخ های بدست آمده جاری انتخاب شد ، راه حل جدیدی برای هر خفاش بصورت زیر در نظر گرفته می‌شود:
که در آن عدد تصادفی است و رسایی متوسط برای همه خفاش ها‌در این گام است. بروزرسانی سرعت و موقعیت های خفاش ها‌مشابه رویه بروزرسانی سرعت و جابجایی در الگوریتم حرکت جمعی ذرات می‌باشد. متغیر فضا و دامنه حرکتی ذرات را مشخص می‌کند.
غییرات رسایی و گسیل پالس ها
رسایی و نرخ تغییر از گسیل پالس باید در هر مرحله از الگوریتم بروزرسانی شوند. همانطور که رسایی به محض شناسایی و ردیابی شکار کاهش می‌یابد، با این حال نرخ تغییر پالس افزایش خواهد یافت. این امکان وجود دارد تا متغیر رسایی بصورت دلخواه تنظیم گردد. داریم
برای ساده سازی می‌توان از استفاده نمود. انتخاب پارامترهای الگوریتم بصورت تصادفی است و می‌توان با چندین بار تکرار، مناسبترین این پارامترها‌را انتخاب نمود. هر یک از خفاش ها‌باید دارای نرخ گسیل پالس و رسایی متفاوت باشند و می‌توان با مقدار دهی تصادفی اولیه به پارامترهای خفاش ها‌به این هدف دست یافت. بعنوان مثال می‌توان رسایی اولیه را در فاصله و نرخ گسیل اولیه را در فاصله مقدار دهی نمود.
